CN109086318A - 用户画像模板的定义方法和装置 - Google Patents
用户画像模板的定义方法和装置 Download PDFInfo
- Publication number
- CN109086318A CN109086318A CN201810688556.2A CN201810688556A CN109086318A CN 109086318 A CN109086318 A CN 109086318A CN 201810688556 A CN201810688556 A CN 201810688556A CN 109086318 A CN109086318 A CN 109086318A
- Authority
- CN
- China
- Prior art keywords
- index
- user
- portrait
- data
- index classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种用户画像模板的定义方法和装置。其中,该方法包括:获取用户的网络行为数据;根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类,每个指标分类包含至少一个指标;查找与指标分类表中每个指标分类匹配的至少一个维度属性;根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。本申请解决了现有技术中针对每个用户构建画像标签导致数据分析效率低的技术问题。
Description
技术领域
本申请涉及互联网领域,具体而言,涉及一种用户画像模板的定义方法和装置。
背景技术
随着互联网技术的发展,大数据时代的到来,市场竞争的愈发激烈,越来越多的企业倾向于采用各种手段来从海量的用户数据中挖掘出潜在用户,构建用户画像,是实现精准营销、用户统计、数据挖掘等工作的重要手段。用户画像是指用户所有信息标签的集合,即通过收集与分析用户的人口属性、社会交往、行为偏好等信息而抽象出来的标签化用户模型,其核心工作是为用户打标签,打标签的目的是为了让人能够理解并且方便计算机处理。由于一个用户的画像标签是在动态扩展的,因而,标签体系没有统一的模板。
目前,现有技术中针对每一个用户都需重新构建画像标签,不仅数据量大,增加系统负担,而且存在用户画像标签的构建和使用效率低的问题。
针对上述现有技术中针对每个用户构建画像标签导致数据分析效率低的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种用户画像模板的定义方法和装置,以至少解决现有技术中针对每个用户构建画像标签导致数据分析效率低的技术问题。
根据本申请实施例的一个方面,提供了一种用户画像模板的定义方法,包括:获取用户的网络行为数据;根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类,每个指标分类包含至少一个指标;查找与指标分类表中每个指标分类匹配的至少一个维度属性;根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
进一步地,根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,包括:获取指标分类表中每个指标分类包含的至少一个指标,并根据每个指标分类包含的至少一个指标与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;根据多个维度指标关系,生成多个用户画像模板,其中,用户画像模板用于生成用户的用户画像标签,用户画像标签用于构建用户的用户画像。
进一步地,根据多个维度指标关系,生成多个用户画像模板,包括:创建一个数据模型,其中,数据模型的输入数据为指标和维度属性,数据模型的输出数据为用户画像标签,其中,用户画像标签包括:基本属性标签和行为属性标签;将确定的多个维度指标关系加载到数据模型,以生成多个用户画像模板。
进一步地,多个维度指标关系的数据与数据模型中的数据是分离存储的。
进一步地,网络行为数据至少包括:用户点击网页的行为数据。
根据本申请实施例的另一方面,还提供了一种用户画像模板的定义装置,包括:获取单元,用于获取用户的网络行为数据;建立单元,用于根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类;查找单元,用于基于预设维度属性信息库,查找与指标分类表中每个指标分类匹配的至少一个维度属性;构建单元,用于根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
进一步地,构建单元包括:确定模块,用于获取指标分类表中每个指标分类包含的至少一个指标,并根据每个指标分类包含的至少一个指标与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;生成模块,用于根据多个维度指标关系,生成多个用户画像模板,其中,用户画像模板用于生成用户的用户画像标签,用户画像标签用于构建用户的用户画像。
进一步地,生成模块包括:创建模块,用于创建一个数据模型,其中,数据模型的输入数据为指标和维度属性,数据模型的输出数据为用户画像标签,其中,用户画像标签包括:基本属性标签和行为属性标签;加载模块,用于将确定的多个维度指标关系加载到数据模型,以生成多个用户画像模板。
进一步地,多个维度指标关系的数据与数据模型中的数据是分离存储的。
进一步地,网络行为数据至少包括:用户点击网页的行为数据。
根据本申请实施例的另一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一项可选的用户画像模板的定义方法。
根据本申请实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项可选的用户画像模板的定义方法。
在本申请实施例中,通过获取用户的网络行为数据;根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类;基于预设维度属性信息库,查找与指标分类表中每个指标分类匹配的至少一个维度属性;根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系,达到了根据维度指标关系构建对应的用户画像模板的目的,从而实现了提高用户数据分析效率的技术效果,进而解决了现有技术中针对每个用户构建画像标签导致数据分析效率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种用户画像模板的定义方法流程图;
图2是根据本申请实施例的一种可选的用户画像模板的定义方法流程图;
图3是根据本申请实施例的一种可选的用户画像模板的定义方法流程图;以及
图4是根据本申请实施例的一种用户画像模板的定义装置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
根据本申请实施例,提供了一种用户画像模板的定义方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种用户画像模板的定义方法流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取用户的网络行为数据。
需要说明的是,上述网络行为数据可以是用户通过应用程序客户端或者基于Web的应用访问互联网的过程中产生的数据,不仅包括注册账号、昵称等静态用户数据,而且包括页面访问、点击网页、浏览网页、订单交易等动态用户数据。作为一种可选的实施例,本申请以上述网络行为数据为用户点击网页的行为数据为例来进行说明。
步骤S102,根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类。
具体地,在获取到用户的网络行为数据后,可以根据获取到的网络行为数据建立指标分类表,该指标分类表中包含根据用户的网络行为数据定义的多个指标分类,每个指标分类还可以细分为多个指标。
作为一种可选的实施例,可以采用人工智能,通过机器学习来根据用户的网络行为数据定义各个指标分类,以及相应指标分类下的各个指标。
以某一装修交易网站为例,根据该装修交易网站获取到的用户的网络行为数据定义的指标分类可以如表1所示。
其中,GMV是指“统计周期内,通过该交易网站平台交易的所有订单金额的总和”;装企收入是指“统计周期内交易平台向装修企业收取的费用”;新访客数是指“统计周期内首次访问该交易网站平台的访客数”;PV是指“统计周期内用户打开页面的次数,即浏览次数”;APP启动次数是指“统计周期内APP被打开的次数”;发起线索次数是指“统计周期内用户主动或被动留下不重复电话号码等各类通讯联系方式的次数”;新增线索次数是指“统计周期内用户第一次主动或被动留下不重复电话号码等各类通讯联系方式的次数”;装企GMV是指“统计周期内,用户与平台的商家确定合作,签订合作协议的金额”;供应链GMV是指“统计周期内,供应链的订单金额合计”;新增投诉数是指“统计周期内,新增的投诉工单”。
表1某一交易网站的指标分类表
步骤S103,查找与指标分类表中每个指标分类匹配的至少一个维度属性。
作为一种可选的实施方式,可以基于预设维度属性信息库,查找与指标分类表中每个指标分类匹配的至少一个维度属性。具体地,针对指标分类表中的每个指标分类,可以从预设维度属性信息库中查找与每个指标分类对应的一个或多个维度属性,容易注意的是,不同的指标分类,与之匹配的维度属性组合也不同,例如,对于指标分类“统计周期内首次访问交易网站的访客”,其匹配的维度属性可以是“城市”、“平台”和“APP名称”;对于指标分类“统计周期内的投诉工单”,其匹配的维度属性可以是“投诉级别”、“城市”、“投诉渠道”,其中,投诉渠道包括但不限于客服电话、网站、移动端等。仍以装修交易网站为例,表2所示为一种可选的维度属性列表。
表2某一交易网站的维度属性列表
作为另一种可选的实施方式,还可以基于从互联网上爬取到的维度属性信息,查找与指标分类表中每个指标分类匹配的至少一个维度属性。
步骤S104,根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
具体地,针对指标分类表中的每个指标分类查找到匹配的至少一个维度属性后,可以根据不同维度属性与相应指标分类的指标之间的任意组合,确定多个维度指标关系,进而根据维度指标关系的组合确定多个不同的用户画像模板。例如,表3是根据表1的指标和表2的维度属性建立的组合列表,每个维度指标组合均可以生成一个用户画像模板。
表3维度指标组合列表
指标名称 | 维度名称 | 指标ID | 维度ID |
GMV | 汇总 | 1001 | 0 |
装企收入 | 汇总 | 1002 | 0 |
UV | 平台 | 2003 | 2 |
UV | 小程序 | 2003 | 4 |
新增用户数 | 渠道 | 2005 | 5 |
新增线索数 | 汇总 | 3003 | 0 |
发起线索次数 | 汇总 | 3002 | 0 |
可售数 | 汇总 | 4001 | 0 |
装企GMV | 汇总 | 5001 | 0 |
供应链GMV | 汇总 | 5003 | 0 |
新增投诉数 | 汇总 | 7001 | 0 |
现存投诉数 | 汇总 | 7002 | 0 |
关闭投诉数 | 汇总 | 7003 | 0 |
由上可知,在本申请上述实施例中,通过对用户的网络行为数据进行分析,定义多个指标分类,建立指标分类表,并根据定义得到的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系,进而构建多个用户画像模板,达到了根据维度指标关系构建对应的用户画像模板的目的,从而实现了提高用户数据分析效率的技术效果,进而解决了现有技术中针对每个用户构建画像标签导致数据分析效率低的技术问题。
其中,作为一种可选的实施方式,如图2所示,上述步骤S104可以包括如下步骤:
步骤S1041,获取指标分类表中每个指标分类包含的至少一个指标,并根据每个指标分类包含的至少一个指标与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;
步骤S1042,根据多个维度指标关系,生成多个用户画像模板,其中,用户画像模板用于生成用户的用户画像标签,用户画像标签用于构建用户的用户画像。
具体地,由于指标分类表中包含多个指标分类,与每个指标分类匹配的维度属性有多个,例如,与指标分类“统计周期内首次访问交易网站的访客”匹配的维度属性包括三个维度属性,即“城市”、“平台”和“APP名称”;与指标分类“统计周期内的投诉工单”匹配的维度属性也包括三个,即“投诉级别”、“城市”、“投诉渠道”。可以看出,维度属性“城市”对应两个指标分类,也即可以确定两个维度指标关系,生成两个用户画像模板。
可选地,如图3所示,上述步骤S1042可以包括如下步骤:
步骤S1042a,创建一个数据模型,其中,数据模型的输入数据为指标和维度属性,数据模型的输出数据为用户画像标签,其中,用户画像标签包括:基本属性标签和行为属性标签;
步骤S1042b,将确定的多个维度指标关系加载到数据模型,以生成多个用户画像模板。
具体地,上述数据模型可以是一个包括了多个维度指标关系组合模块以及用户标签模块的模型,其中,用户标签模块包括用户的基本属性单元和行为属性单元。
需要说明的是,上述多个维度指标关系的数据与数据模型中的数据是分离存储的。通过分离存储,使得数据模型和维度指标关系的数据处于分离状态,从而使得用户画像模板的定义方法更灵活,根据实际需求,可以通过调整维度指标关系来随时修改、删减用户画像模板。
根据本申请实施例,还提供了一种用于实现上述用户画像模板的定义方法的装置实施例,图4是根据本申请实施例的一种用户画像模板的定义装置示意图,如图4所示,该装置包括:获取单元401、建立单元402、查找单元403和构建单元404。
其中,获取单元401,用于获取用户的网络行为数据;
建立单元402,用于根据网络行为数据建立指标分类表,其中,指标分类表中包含通过对网络行为数据分析而定义的多个指标分类;
查找单元403,用于基于预设维度属性信息库,查找与指标分类表中每个指标分类匹配的至少一个维度属性;
构建单元404,用于根据指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,维度指标关系是指每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
此处需要说明的是,上述获取单元401、建立单元402、查找单元403和构建单元404对应于方法实施例中的步骤S101至S104,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述方法实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本申请上述实施例中,通过获取单元401获取用户的网络行为数据,并通过建立单元402对用户的网络行为数据进行分析,定义多个指标分类,建立指标分类表,并通过查找单元403查找与指标分类表中的每个指标分类匹配的至少一个维度属性,通过构建单元404根据定义得到的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系,进而构建多个用户画像模板,达到了根据维度指标关系构建对应的用户画像模板的目的,从而实现了提高用户数据分析效率的技术效果,进而解决了现有技术中针对每个用户构建画像标签导致数据分析效率低的技术问题。
在一种可选的实施例中,上述构建单元可以包括:确定模块,用于获取指标分类表中每个指标分类包含的至少一个指标,并根据每个指标分类包含的至少一个指标与每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;生成模块,用于根据多个维度指标关系,生成多个用户画像模板,其中,用户画像模板用于生成用户的用户画像标签,用户画像标签用于构建用户的用户画像。
此处需要说明的是,上述确定模块和生成模块对应于方法实施例中的步骤S1041至S1042,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述方法实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一种可选的实施例中,上述生成模块包括:创建模块,用于创建一个数据模型,其中,数据模型的输入数据为指标和维度属性,数据模型的输出数据为用户画像标签,其中,用户画像标签包括:基本属性标签和行为属性标签;加载模块,用于将确定的多个维度指标关系加载到数据模型,以生成多个用户画像模板。
此处需要说明的是,上述创建模块和加载模块对应于方法实施例中的步骤S1042a至S1042b,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述方法实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一种可选的实施例中,多个维度指标关系的数据与数据模型中的数据是分离存储的。
在一种可选的实施例中,上述网络行为数据至少包括:用户点击网页的行为数据。
根据本申请实施例,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述方法实施例中任意一项的可选的或优选的用户画像模板的定义方法。
根据本申请实施例,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述方法实施例中任意一项的可选的或优选的用户画像模板的定义方法。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种用户画像模板的定义方法,其特征在于,包括:
获取用户的网络行为数据;
根据所述网络行为数据建立指标分类表,其中,所述指标分类表中包含通过对所述网络行为数据分析而定义的多个指标分类,每个指标分类包含至少一个指标;
查找与所述指标分类表中每个指标分类匹配的至少一个维度属性;
根据所述指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,所述维度指标关系是指所述每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
2.根据权利要求1所述的方法,其特征在于,根据所述指标分类表中的多个指标分类,以及与所述每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,包括:
获取所述指标分类表中每个指标分类包含的至少一个指标,并根据所述每个指标分类包含的至少一个指标与所述每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;
根据所述多个维度指标关系,生成多个用户画像模板,其中,所述用户画像模板用于生成用户的用户画像标签,所述用户画像标签用于构建所述用户的用户画像。
3.根据权利要求2所述的方法,其特征在于,根据所述多个维度指标关系,生成多个用户画像模板,包括:
创建一个数据模型,其中,所述数据模型的输入数据为指标和维度属性,所述数据模型的输出数据为用户画像标签,其中,所述用户画像标签包括:基本属性标签和行为属性标签;
将所述确定的多个维度指标关系加载到所述数据模型,以生成多个用户画像模板。
4.根据权利要求3所述的方法,其特征在于,所述多个维度指标关系的数据与所述数据模型中的数据是分离存储的。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述网络行为数据至少包括:用户点击网页的行为数据。
6.一种用户画像模板的定义装置,其特征在于,包括:
获取单元,用于获取用户的网络行为数据;
建立单元,用于根据所述网络行为数据建立指标分类表,其中,所述指标分类表中包含通过对所述网络行为数据分析而定义的多个指标分类,每个指标分类包含至少一个指标;
查找单元,用于查找与所述指标分类表中每个指标分类匹配的至少一个维度属性;
构建单元,用于根据所述指标分类表中的多个指标分类,以及与每个指标分类匹配的至少一个维度属性,构建至少一个用户画像模板,其中,每个用户画像模板中包含至少一个维度指标关系,所述维度指标关系是指所述每个指标分类包含的至少一个指标与匹配的至少一个维度属性的任意组合关系。
7.根据权利要求6所述的装置,其特征在于,所述构建单元包括:
确定模块,用于获取所述指标分类表中每个指标分类包含的至少一个指标,并根据所述每个指标分类包含的至少一个指标与所述每个指标分类匹配的至少一个维度属性,确定多个维度指标关系;
生成模块,用于根据所述多个维度指标关系,生成多个用户画像模板,其中,所述用户画像模板用于生成用户的用户画像标签,所述用户画像标签用于构建所述用户的用户画像。
8.根据权利要求7所述的装置,其特征在于,所述生成模块包括:
创建模块,用于创建一个数据模型,其中,所述数据模型的输入数据为指标和维度属性,所述数据模型的输出数据为用户画像标签,其中,所述用户画像标签包括:基本属性标签和行为属性标签信息;
加载模块,用于将所述确定的多个维度指标关系加载到所述数据模型,以生成多个用户画像模板。
9.根据权利要求8所述的装置,其特征在于,所述多个维度指标关系的数据与所述数据模型中的数据是分离存储的。
10.根据权利要求6至9中任意一项所述的装置,其特征在于,所述网络行为数据至少包括:用户点击网页的行为数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688556.2A CN109086318A (zh) | 2018-06-28 | 2018-06-28 | 用户画像模板的定义方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688556.2A CN109086318A (zh) | 2018-06-28 | 2018-06-28 | 用户画像模板的定义方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109086318A true CN109086318A (zh) | 2018-12-25 |
Family
ID=64834770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810688556.2A Pending CN109086318A (zh) | 2018-06-28 | 2018-06-28 | 用户画像模板的定义方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086318A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159507A (zh) * | 2019-12-27 | 2020-05-15 | Oppo广东移动通信有限公司 | 终端帐户的分类方法、装置、终端及存储介质 |
CN111353813A (zh) * | 2020-02-20 | 2020-06-30 | 苏宁云计算有限公司 | 画像分析方法、系统、计算机设备及存储介质 |
CN111741104A (zh) * | 2020-06-18 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 应答消息的确定方法、配置方法、装置、设备及存储介质 |
CN112200605A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
CN112734307A (zh) * | 2021-02-27 | 2021-04-30 | 北京基智科技有限公司 | 一种在线实时企业画像生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124653A (zh) * | 2017-05-16 | 2017-09-01 | 四川长虹电器股份有限公司 | 电视用户画像的构建方法 |
CN107256495A (zh) * | 2017-05-27 | 2017-10-17 | 上海非码网络科技有限公司 | 基于多平台数据按标签划分顾客群的方法及系统、服务器 |
CN107360465A (zh) * | 2017-08-22 | 2017-11-17 | 四川长虹电器股份有限公司 | 一种智能电视终端利用声纹生成用户画像的方法 |
-
2018
- 2018-06-28 CN CN201810688556.2A patent/CN109086318A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124653A (zh) * | 2017-05-16 | 2017-09-01 | 四川长虹电器股份有限公司 | 电视用户画像的构建方法 |
CN107256495A (zh) * | 2017-05-27 | 2017-10-17 | 上海非码网络科技有限公司 | 基于多平台数据按标签划分顾客群的方法及系统、服务器 |
CN107360465A (zh) * | 2017-08-22 | 2017-11-17 | 四川长虹电器股份有限公司 | 一种智能电视终端利用声纹生成用户画像的方法 |
Non-Patent Citations (1)
Title |
---|
潘连根: "《数字档案馆研究》", 31 December 2005, 中国档案出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159507A (zh) * | 2019-12-27 | 2020-05-15 | Oppo广东移动通信有限公司 | 终端帐户的分类方法、装置、终端及存储介质 |
CN111159507B (zh) * | 2019-12-27 | 2023-10-31 | Oppo广东移动通信有限公司 | 终端帐户的分类方法、装置、终端及存储介质 |
CN111353813A (zh) * | 2020-02-20 | 2020-06-30 | 苏宁云计算有限公司 | 画像分析方法、系统、计算机设备及存储介质 |
CN111741104A (zh) * | 2020-06-18 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 应答消息的确定方法、配置方法、装置、设备及存储介质 |
CN112200605A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
CN112200605B (zh) * | 2020-09-30 | 2023-07-18 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
CN112734307A (zh) * | 2021-02-27 | 2021-04-30 | 北京基智科技有限公司 | 一种在线实时企业画像生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086318A (zh) | 用户画像模板的定义方法和装置 | |
US20210141814A1 (en) | Concept-level user intent profile extraction and applications | |
US8543532B2 (en) | Method and apparatus for providing a co-creation platform | |
CN111506801B (zh) | 一种应用App中子应用的排序方法及装置 | |
CN108537578A (zh) | 基于大数据的广告推送方法及装置 | |
US8341101B1 (en) | Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics | |
CN103248677B (zh) | 互联网行为分析系统及其工作方法 | |
CN105488697A (zh) | 一种基于客户行为特征的潜在客户挖掘方法 | |
CN107292463A (zh) | 一种对应用程序进行项目评估的方法及系统 | |
US20100293035A1 (en) | Map advertising system interface | |
CN105005594A (zh) | 异常微博用户识别方法 | |
CN103295145A (zh) | 一种基于用户消费特征向量的手机广告投放方法 | |
EP2827294A1 (en) | Systems and method for determining influence of entities with respect to contexts | |
US20130035996A1 (en) | Social advertising technology (so-ad-tec) system and method for advertising for and in documents, and other systems and methods for accessing, structuring, and evaluating documents | |
CN108549909B (zh) | 基于众包的对象分类方法及对象分类系统 | |
CN112989059A (zh) | 潜在客户识别方法及装置、设备及可读计算机存储介质 | |
CN109145197A (zh) | 用户画像标签的生成方法、装置和系统 | |
CN110134842B (zh) | 基于信息图谱的信息匹配方法、装置、存储介质和服务器 | |
JP6663005B2 (ja) | インターネットコンテンツ提供サーバ及びその方法が具現化されたコンピュータで判読できる記録媒体 | |
Kaiser et al. | Simulating the spread of opinions in online social networks when targeting opinion leaders | |
CN108710664A (zh) | 一种热词分析方法、计算机可读存储介质及终端设备 | |
TW201903705A (zh) | 用於基於種子監督學習提供推薦的系統和方法 | |
Lee et al. | Customer requirements elicitation based on social network service | |
CN106383857A (zh) | 一种信息处理方法及电子设备 | |
CN109783471A (zh) | 企业画像小程序化方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518000 R & D room 3501, block a, building 7, Vanke Cloud City Phase I, Xingke 1st Street, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Tubatu Group Co.,Ltd. Address before: 1001-a, 10th floor, bike technology building, No.9, Keke Road, high tech Zone, Nanshan District, Shenzhen, Guangdong 518000 Applicant before: SHENZHEN BINCENT TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181225 |
|
RJ01 | Rejection of invention patent application after publication |